买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学

摘要：本发明公开了一种输水结构表面淡水壳菜空间分布特征识别方法，包括以下步骤，S1：采集输水结构表面视频；S2：对步骤S1中采集到的输水结构表面视频进行预处理工作，得到预处理后的图像；S3：采用滑动窗口提取局部图像，基于轻量化L‑unet语义分割算法，对预处理后的图像进行语义分割处理；S4：根据语义分割处理后的图像，对淡水壳菜的特征进行识别计算。本发明中利用一套图像预处理方法，并基于优化后的Unet语义分割算法学习样本图像，通过训练得到淡水壳菜图像的语义分割模型，依据该模型进行淡水壳菜空间分布特征的识别，所提方法提高了淡水壳菜分割精度，为研究淡水壳菜对输水结构的影响规律提供技术支撑，保障长距离输水建筑物结构服役期的运行安全。

主权项：1.一种输水结构表面淡水壳菜空间分布特征识别方法，其特征在于，包括以下步骤，S1：采集输水结构表面视频；S2：对步骤S1中采集到的输水结构表面视频进行预处理，得到预处理后的图像；S3：采用滑动窗口提取局部图像，基于L-unet语义分割算法，对预处理后的图像进行语义分割处理；S4：根据语义分割处理后的图像，对淡水壳菜的特征进行识别计算；步骤S2的具体操作包括以下步骤，S201：通过python语言对输水结构表面视频进行图像取帧，获取附着有淡水壳菜的图像；S202：采用FUnIE-GAN对抗神经网络算法对步骤S201中获取的水下图像进行修复处理，还原水下真实颜色；S203：采用基于二维伽马函数的图像自适应校正算法，对水下图像修复处理后的图像进行均光处理；S204：采用Gamma增强算法，对均光处理后的图像进行目标增强；步骤S3的具体操作包括以下步骤，S301：对基于L-unet语义分割模型进行训练；S302：将预处理后的图像作为原图像，采用滑动窗口方法将原图像分割成多个小正方形图像；S303：将滑动窗口分割出的小正方形图像导入步骤S301中训练好的L-unet语义分割模型中，输出语义分割后的图像；S304：采用条件随机场对语义分割后的图像进行细化；S305：对细化后的小正方形图像进行拼接，恢复到原图像尺寸；步骤S301中所述的L-unet语义分割模型中采用L-unet语义分割算法对图像进行分割；L-unet语义分割算法由编码器和解码器两部分构成，编码器负责对输入图像进行特征提取，解码器利用提取的特征生成分割目标图像，整个算法采用跳跃式连接方式；采用膨胀卷积层代替最大池化层。

全文数据：

权利要求：

百度查询： 天津大学 一种输水结构表面淡水壳菜空间分布特征识别方法